MinerU 核心定位
MinerU 是由 OpenDataLab 开发的开源文档提取生态工具，提供命令行与 API 双形态，专注于将复杂版式文档（PDF、扫描件、Word、PPT、网页）转换为结构化机器可读格式。
核心用法
双模式架构设计：
- Flash-Extract（闪电提取）：零配置即用，无需 Token、无需登录，单文件 10MB/20页以内直接出 Markdown，适合快速尝鲜与简单文档
- Precision Extract（精准提取）：需 Token 认证，支持表格识别、LaTeX 公式提取、VLM 视觉语言模型、批量处理、多格式输出（HTML/LaTeX/DOCX/JSON），适合生产环境
关键命令：
# 零门槛快速开始 mineru-open-api flash-extract paper.pdf # 高精度专业模式（需 Token） mineru-open-api extract thesis.pdf --model vlm --table --formula # 网页爬取 mineru-open-api crawl https://example.com/article
显著优点
1. 免登录快速体验：flash-extract 打破"先注册后使用"的门槛，用户首次接触零摩擦
2. 学术级精度：VLM 模型针对复杂论文版式优化，公式识别转为可编译 LaTeX
3. 80+ 语言原生支持：CJK（中日韩）、阿拉伯语、西里尔语系、天城文等，非英语文档无需预处理
4. 格式覆盖全面：从现代 DOCX 到老旧扫描 PDF，从网页到 PPT 全兼容
5. 开源生态：底层模型与 CLI 工具均开源，支持私有化部署规避数据出境风险
局限性与注意事项
- flash-extract 硬性限制：10MB/20页上限，无表格识别，高频调用触发 IP 限流（HTTP 429）
- Token 门槛：高级功能需 mineru.net 注册，对隐私敏感场景可能构成顾虑
- VLM 幻觉风险：
--model vlm在复杂版式下可能产生少量幻觉文本，需与pipeline模型权衡使用 - 网络依赖：云端 API 模式，离线环境需私有化部署（需额外基础设施）
适合人群
- 科研人员：批量解析 arXiv 论文、提取实验数据表格与数学公式
- 开发者/数据工程师：构建文档 RAG 流水线、知识库自动化入库
- 内容运营：网页文章结构化归档、多格式文档统一转换
- 法律/审计从业者：扫描合同 OCR 与关键信息提取
常规风险提示
- 数据出境：flash-extract 虽免登录，但文件仍上传至 MinerU 服务器处理（声明不保留数据）
- Token 安全：
~/.mineru/config.yaml存储凭据，共享环境需注意权限设置 - 大文件超时：默认 900 秒超时，批量任务建议显式设置
--timeout 1800以上